論文の概要: GPT3-to-plan: Extracting plans from text using GPT-3
- arxiv url: http://arxiv.org/abs/2106.07131v1
- Date: Mon, 14 Jun 2021 01:45:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 16:33:45.719675
- Title: GPT3-to-plan: Extracting plans from text using GPT-3
- Title(参考訳): GPT3-to-plan: GPT-3 を用いたテキストからのプラン抽出
- Authors: Alberto Olmo, Sarath Sreedharan, Subbarao Kambhampati
- Abstract要約: GPT-3は,現在行われている技術計画抽出手法に匹敵する,計画抽出結果を生成することができることを示す。
本稿では,そのようなテキストから直接抽出を行う際の一般化言語モデルの有用性について検討する。
- 参考スコア(独自算出の注目度): 24.596429158784254
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Operations in many essential industries including finance and banking are
often characterized by the need to perform repetitive sequential tasks. Despite
their criticality to the business, workflows are rarely fully automated or even
formally specified, though there may exist a number of natural language
documents describing these procedures for the employees of the company. Plan
extraction methods provide us with the possibility of extracting structure
plans from such natural language descriptions of the plans/workflows, which
could then be leveraged by an automated system. In this paper, we investigate
the utility of generalized language models in performing such extractions
directly from such texts. Such models have already been shown to be quite
effective in multiple translation tasks, and our initial results seem to point
to their effectiveness also in the context of plan extractions. Particularly,
we show that GPT-3 is able to generate plan extraction results that are
comparable to many of the current state of the art plan extraction methods.
- Abstract(参考訳): 金融や銀行を含む多くの重要な産業における業務は、しばしば反復的な業務を行う必要性によって特徴づけられる。
ビジネスへの批判にもかかわらず、ワークフローが完全に自動化されることはめったにないが、会社の従業員のためにこれらの手順を記述する自然言語文書が多数存在するかもしれない。
計画抽出手法は,そのような自然言語記述から計画/作業フローから構造計画を抽出する可能性を提供し,自動化システムによって活用できる。
本稿では,そのようなテキストから直接抽出する汎用言語モデルの有用性について検討する。
このようなモデルは、すでに複数の翻訳タスクにおいて非常に効果的であることが示されており、最初の結果は、計画抽出の文脈においても有効であることを示している。
特に, GPT-3は, アートプラン抽出手法の現在の多くの状況に匹敵するプラン抽出結果を生成することができることを示す。
関連論文リスト
- PARADISE: Evaluating Implicit Planning Skills of Language Models with
Procedural Warnings and Tips Dataset [2.0285519161103576]
PARADISE は,wikiHow をベースとした実践的な手続きテキスト上で,Q&A 形式を用いた帰納的推論タスクである。
計画の暗黙的な知識を与えられた目標からのみ推論するモデルの能力をテストすることを目的として、中間的なステップを除く、目標に直接関連した警告およびヒント推論タスクを含む。
我々の実験は、微調整言語モデルとゼロショットプロンプトを利用して、ほとんどのシナリオにおいて、大規模言語モデルに対するタスク固有小モデルの有効性を明らかにした。
論文 参考訳(メタデータ) (2024-03-05T18:01:59Z) - AutoGPT+P: Affordance-based Task Planning with Large Language Models [7.48202550092962]
AutoGPT+Pは、余裕に基づくシーン表現と計画システムを組み合わせたシステムである。
提案手法は,現在最先端のLCM計画手法であるSayCanの81%の成功率を超え,98%の成功率を達成した。
論文 参考訳(メタデータ) (2024-02-16T16:00:50Z) - Learning adaptive planning representations with natural language
guidance [90.24449752926866]
本稿では,タスク固有の計画表現を自動構築するフレームワークであるAdaについて述べる。
Adaは、プランナー互換の高レベルアクション抽象化と、特定の計画タスク領域に適応した低レベルコントローラのライブラリを対話的に学習する。
論文 参考訳(メタデータ) (2023-12-13T23:35:31Z) - EIPE-text: Evaluation-Guided Iterative Plan Extraction for Long-Form
Narrative Text Generation [114.50719922069261]
長文物語テキスト生成のための評価誘導反復計画抽出法(EIPE-text)を提案する。
EIPEテキストには、計画抽出、学習、推論の3段階がある。
小説やストーリーテリングの分野におけるEIPEテキストの有効性を評価する。
論文 参考訳(メタデータ) (2023-10-12T10:21:37Z) - Embodied Task Planning with Large Language Models [86.63533340293361]
本研究では,現場制約を考慮した地上計画のための具体的タスクにおけるTAsk Planing Agent (TaPA)を提案する。
推論の際には,オープンボキャブラリオブジェクト検出器を様々な場所で収集された多視点RGB画像に拡張することにより,シーン内の物体を検出する。
実験の結果,我々のTaPAフレームワークから生成されたプランは,LLaVAやGPT-3.5よりも大きなマージンで高い成功率が得られることがわかった。
論文 参考訳(メタデータ) (2023-07-04T17:58:25Z) - AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。
本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。
幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
論文 参考訳(メタデータ) (2023-05-26T05:52:27Z) - Multimodal Contextualized Plan Prediction for Embodied Task Completion [9.659463406886301]
タスクプランニングは従来のロボットシステムにおいて重要なコンポーネントであり、ロボットがより複雑なタスクを実行するためのきめ細かいスキルを組み立てることができる。
シミュレーション実施エージェントにおけるタスク完了のための自然言語を実行可能なアクションに翻訳する最近の作業構築システムは,低レベルのアクションシーケンスを直接予測することに焦点を当てている。
我々は,そのような具体化されたタスク完了データセット - TEACh に対して,より高いレベルの計画表現を予測することに集中する。
論文 参考訳(メタデータ) (2023-05-10T22:29:12Z) - Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。
私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
論文 参考訳(メタデータ) (2023-04-14T14:55:19Z) - TAGPRIME: A Unified Framework for Relational Structure Extraction [71.88926365652034]
TAGPRIMEは、与えられた条件に関する情報を入力テキストに追加するシーケンスタグ付けモデルである。
事前学習された言語モデルにおける自己認識機構により、プライミングワードは、出力された文脈化された表現に、与えられた条件に関するより多くの情報を含む。
5つの異なる言語にまたがる10のデータセットをカバーする3つのタスクに関する大規模な実験と分析は、TAGPRIMEの汎用性と有効性を示している。
論文 参考訳(メタデータ) (2022-05-25T08:57:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。